【摘 要】超车时前方车辆的位置判断是安全超车的前提，通过视觉测量可以正确判断前方车辆是否在车道上，而摄像机标定是判断的基础。针对这一现象，提出了基于神经网络的超车前方车辆位置判断的摄像机标定方法，实验结果表明该方法取得较好的效果。
　　【关键词】超车；视觉检测；摄像机标定
　　超車所引发的交通事故中，绝大多数都是在超越前方车辆时因驾驶人员对车辆间距离的误判而造成。特别是在车道相对拥挤的道路，超车事故的发生几率大大提升，所以车辆超车前需要对超车可行性进行检测和评估。为实现超车可行性评估，首先需要判定前方车辆是否在车辆行驶车道上。目前，可用于汽车测距和测速的主要有超声波、毫米波雷达、激光和视觉这四大类方式，除去只适合短距离测距的超声波方式，与其他昂贵的雷达或激光测距方式相比，视觉测距在成本设备方面具有很大的价格优势，且图像处理技术可处理的情况更复杂。所以通过机器视觉判断前方车辆是否在车道上成为可能。
　　1.超车中前方车辆的位置判断
　　超车前首先要判断前方车辆是否在车辆行驶的车道上。采用视频测速具有目前所使用的车辆检测方法所没有的优点：首先，无需使用专用测速设备， 可大大降低系统成本；其次，由于信息量大，可在使用摄像头进行车辆监控的同时实现车辆速度测定等测量，摄像头安装简单方便，设备使用效率提高；再次，视觉测量减少了辅助设备，系统简单化，使系统的工作稳定性提高。所以，视觉测量逐渐成为智能车辆的一个发展方向。
　　在已有智能车辆的研究中，有许多针对超车的研究。对超车模型的研究开始于20世纪30年代末，20 世纪70年代末到80年代初，随着计算机仿真技术的发展，双车道公路仿真软件得到了快速发展[1]。国内对双车道公路超车模型的研究起步较晚， 但也取得了一些比较显著的成果。在采用视频图像测距测速方面，将珍今等通过对USB摄像头采集的激光光斑图像进行相关处理，提取图像的特征信息，建立特征信息与被测位移的定量关系，从而完成位移的非接触测量[2]。龙丹等提出通过对图像进行等效变换实现测量前车距离的新算法[3]。童剑军等提出了采用灰度差水平叠加投影的方法进行视频测速[4]。因此，使用机器视觉进行超车前车辆位置判断在技术上是可行的。
　　2.摄像机标定
　　超车过程中进行视觉判断，按机器视觉已有理论，首先需要对摄像机进行标定。也就是建立摄像机所拍摄的道路图像中像素点的位置与其再实际道路中位置的对应关系。其实就是道路图像二维空间与实际道路路面二维空间的一个映射。
　　由于摄像机畸变，一般与道路图像空间对应的路面区域成不规则形状。所以，可以考虑通过设置多个特征点建立道路图像中点与实际位置的映射。这样的映射显然是一种非线性的映射。而神经网络是一种常见的非线性映射算法，因此可以考虑通过引入神经网络进行特征点的映射从而完成摄像机的标定。
　　3.实验结果与分析
　　采用实际道路上的点进行标定，以摄像机在地面的投影为原点，车辆行驶方向为y轴，垂直于y轴的方向为x周，在地面坐标系中设置115个特征点，具体坐标如图1所示。这些点的x坐标从-3m到3m，y轴的坐标从5m到30m，标定范围基本能够满足车辆超车测距的需要。由于车辆视觉判断主要是判定车辆是否在车辆行驶车道上，所以主要是建立特征点在x轴方向的映射关系。以神经网络中最常见的bp网络进行特征点的拟合，以道路图像中特征点的两个位置坐标为输入，以特征点在地面坐标系中x的坐标值为输出，拟合结果的误差如图2所示。
　　图1 标定点实际坐标
　　如图2所示，115个点的误差都在在-0.2m到0.3m，对于x轴从-4m到4m的范围，这样的测量误差是可以接受的。115个点的平均绝对误差仅为0.023m，即20cm左右，这表明该标定方法较好的建立了道路图像中特征点与实际坐标位置间的映射关系。这将有助于对车辆是否在行驶方向前方的判断。
　　图2 标定误差
　　参考文献：
　　[1] 荣建、刘世杰、邵长桥、刘江. 超车模型在双车道公路仿真系统中的应用研究，公路交通科技，2007年，第24卷 第11期.
　　[2]将珍今、裴承鸣、杨亮. 基于摄像头测距的数字图像处理方法研究，弹箭与制导学报，2009年，第29卷 第16期.
　　[3]龙丹、许勇. 基于数字图像处理的汽车测距算法研究，中国西部科技 ，2 0 0 8 年.
　　[4]童剑军、邹明福.基于监控视频图像的车辆测速，中国图象图形学报，2005年，第10卷，第2期.
　　基金项目：
　　2013年度广西大学生创新创业训练计划项目